基因识别问题及其算法实现.docxVIP

基因识别问题及其算法实现 一、背景介绍 DNA 是生物遗传信息的载体，其化学名称为脱氧核糖核酸（ Deoxyribonucleic acid ，缩 写为 DNA ）。DNA 分子是一种长链聚合物， DNA 序列由腺嘌呤（ Adenine, A ），鸟嘌呤（Guanine, G），胞嘧啶（ Cytosine, C ），胸腺嘧啶（ Thymine, T）这四种核苷酸（ nucleotide ）符号按一定 的顺序连接而成。其中带有遗传讯息的 DNA 片段称为基因（ Gene）（见图 1第一行）。其他的 DNA 序列片段，有些直接以自身构造发挥作用，有些则参与调控遗传讯息的表现。 在真核生物的 DNA序列中， 基因通常被划分为许多间隔的片段 （见图 1第二行），其中编 码蛋白质的部分，即编码序列（ Coding Sequence）片段，称为外显子（ Exon），不编码的部 分称为内含子（ Intron ）。外显子在 DNA 序列剪接（ Splicing）后仍然会被保存下来，并可在 基因（ Gene） DNA 序列 外显子 (Exon) 内含子 (Intron) 图 1 真核生物 DNA 序列（基因序列）结构示意图 蛋白质合成过程中被转录（ transcription ）、复制（ replication ）而合成为蛋白质（见图 2）。 DNA 序列通过遗传编码来储存信息，指导蛋白质的合